Statistiques II
Statistiques II
Statistiques II
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
Probabilités Exercices Lois de probabilités discrètes<br />
<strong>Statistiques</strong> <strong>II</strong><br />
Alexandre Caboussat<br />
alexandre.caboussat@hesge.ch<br />
Classe : Mardi 11h15 - 13h00<br />
Salle : C110<br />
http://campus.hesge.ch/caboussata<br />
29 mars 2011<br />
A. Caboussat, HEG STAT <strong>II</strong>, 2011 1 / 29
Probabilités Exercices Lois de probabilités discrètes<br />
Tableau des probabilités<br />
Soient deux événements A, B, et leurs contraires Ā, ¯B.<br />
Les probabilités conjointes et simples (marginales) sont données<br />
dans le tableau suivant:<br />
B ¯B total<br />
A P(A ∩ B) P(A ∩ ¯B) P(A)<br />
Ā P(Ā ∩ B) P(Ā ∩ ¯B) P(Ā)<br />
total P(B) P(¯B) 1<br />
A. Caboussat, HEG STAT <strong>II</strong>, 2011 2 / 29
Probabilités Exercices Lois de probabilités discrètes<br />
Arbre des probabilités<br />
A. Caboussat, HEG STAT <strong>II</strong>, 2011 3 / 29
Probabilités Exercices Lois de probabilités discrètes<br />
Principe de Bayes (2 versions)<br />
P(A|B) =<br />
P(Ai|Bj) =<br />
pour tout i et j.<br />
P(A ∩ B)<br />
P(B) =<br />
P(B|A) P(A)<br />
P(B|A) P(A) + P(B|A) P(A)<br />
P(Bj|Ai) P(Ai)<br />
k m=1 P(Bj|Am) P(Am)<br />
A. Caboussat, HEG STAT <strong>II</strong>, 2011 4 / 29
Probabilités Exercices Lois de probabilités discrètes<br />
Exercice 2.5<br />
Nous considérons les deux événements suivants:<br />
A: le bénéfice de votre entreprise augmentera cette année<br />
B: le budget marketing de votre entreprise augmentera cette année<br />
Nous disposons des informations suivantes: P(A)=0.5, P(B|A)=0.2,<br />
P(B|A)=0.6. Calculez la probabilité que le bénéfice de l’entreprise<br />
augmente cette année, sachant que le budget marketing a effectivement<br />
augmenté cette année.<br />
A. Caboussat, HEG STAT <strong>II</strong>, 2011 5 / 29
Probabilités Exercices Lois de probabilités discrètes<br />
Exercice 2.6<br />
Une société comportant 40 hommes et 60 femmes est frappée par une<br />
épidémie. Un jour où 15% des femmes et 40% des hommes sont absents,<br />
on se propose de faire passer une visite médicale à l’une des personne<br />
présente choisie au hasard. Quelle est la probabilité que cette personne<br />
soit une femme?<br />
A. Caboussat, HEG STAT <strong>II</strong>, 2011 6 / 29
Probabilités Exercices Lois de probabilités discrètes<br />
Exercice 2.7<br />
Nous disposons de 45 échantillons provenant de deux machines-outils<br />
défectueuses. Nous savons que parmi ces échantillons, 30% sont<br />
défectueux et 70% sont normaux. La probabilité d’observer la machine 1,<br />
sachant que l’échantillon est défectueux, est de 40%, alors que la<br />
probabilité d’observer la machine 2, sachant que l’échantillon n’est pas<br />
défectueux, est de 70%. En notant D l’événement “l’échantillon est<br />
défectueux” et M l’événement “l’échantillon a été produit par la machine<br />
1”, construire un arbre de probabilités, puis calculer la probabilité<br />
suivante: P(D| M).<br />
A. Caboussat, HEG STAT <strong>II</strong>, 2011 7 / 29
Probabilités Exercices Lois de probabilités discrètes<br />
Exercice 2.7<br />
A. Caboussat, HEG STAT <strong>II</strong>, 2011 8 / 29
Probabilités Exercices Lois de probabilités discrètes<br />
Exercice 2.8<br />
Une fanfare est composée de trois classes d’âge : les jeunes, les adultes et<br />
les seniors. Les membres de la fanfare jouent chacun soit d’un cuivre soit<br />
de percussions. Les trois classes d’âge sont présentes en proportions<br />
égales. Il y a trois fois plus de joueur de cuivres que de percussionistes.<br />
Si nous supposons que les variables ”classe d’âge” et ”type d’instrument”<br />
sont parfaitement indépendantes, calculer la probabilité conjointe d’être<br />
un jeune et de jouer d’un cuivre.<br />
A. Caboussat, HEG STAT <strong>II</strong>, 2011 9 / 29
Probabilités Exercices Lois de probabilités discrètes<br />
Exercice 2.9<br />
Une compagnie pétrolière exécute un forage dans la Mer de Nord et un<br />
autre en Méditerranée. La chance de trouver du pétrole en Mer de Nord<br />
est de 0.8 tandis qu’en Méditerranée elle est de 0.6. Quelle est la<br />
probabilité qu’un seul des deux forages conduise à la découverte de<br />
pétrole?<br />
A. Caboussat, HEG STAT <strong>II</strong>, 2011 10 / 29
Probabilités Exercices Lois de probabilités discrètes<br />
Exercice 2.10<br />
Supposons que la probabilité qu’un homme d’un certain âge vive encore<br />
15 ans est de 1/4; la probabilité que sa femme vive encore 15 ans est de<br />
1/3. Calculer la probabilité que l’un d’eux au moins vive encore dans 15<br />
ans.<br />
A. Caboussat, HEG STAT <strong>II</strong>, 2011 11 / 29
Probabilités Exercices Lois de probabilités discrètes<br />
Lois de probabilités discrètes<br />
A. Caboussat, HEG STAT <strong>II</strong>, 2011 12 / 29
Probabilités Exercices Lois de probabilités discrètes<br />
Introduction<br />
Dans certaines situations, la distribution de probabilité associée à<br />
une variable peut être écrite sous forme analytique, c’est-à-dire<br />
représentée par une formule mathématique.<br />
A. Caboussat, HEG STAT <strong>II</strong>, 2011 13 / 29
Probabilités Exercices Lois de probabilités discrètes<br />
Introduction<br />
Dans certaines situations, la distribution de probabilité associée à<br />
une variable peut être écrite sous forme analytique, c’est-à-dire<br />
représentée par une formule mathématique.<br />
Au lieu de servir à calculer directement une distribution de<br />
probabilités, les données observées sont utilisées pour estimer les<br />
paramètres de la forme analytique qui ensuite permettra de calculer<br />
les probabilités.<br />
A. Caboussat, HEG STAT <strong>II</strong>, 2011 13 / 29
Probabilités Exercices Lois de probabilités discrètes<br />
Introduction<br />
Dans certaines situations, la distribution de probabilité associée à<br />
une variable peut être écrite sous forme analytique, c’est-à-dire<br />
représentée par une formule mathématique.<br />
Au lieu de servir à calculer directement une distribution de<br />
probabilités, les données observées sont utilisées pour estimer les<br />
paramètres de la forme analytique qui ensuite permettra de calculer<br />
les probabilités.<br />
Dans ce chapitre, nous étudierons plusieurs de ces lois pour le cas<br />
où la variable étudiée est de type discret.<br />
A. Caboussat, HEG STAT <strong>II</strong>, 2011 13 / 29
Probabilités Exercices Lois de probabilités discrètes<br />
Ensembles discrets ↔ ensembles continus<br />
Intuitivement, on peut dire que les éléments d’un ensemble discret<br />
sont "séparés" les uns des autres.<br />
Exemples:<br />
A. Caboussat, HEG STAT <strong>II</strong>, 2011 14 / 29
Probabilités Exercices Lois de probabilités discrètes<br />
Ensembles discrets ↔ ensembles continus<br />
Intuitivement, on peut dire que les éléments d’un ensemble discret<br />
sont "séparés" les uns des autres.<br />
Exemples:<br />
N’importe quel ensemble fini<br />
N<br />
Z<br />
A. Caboussat, HEG STAT <strong>II</strong>, 2011 14 / 29
Probabilités Exercices Lois de probabilités discrètes<br />
Ensembles discrets ↔ ensembles continus<br />
Intuitivement, on peut dire que les éléments d’un ensemble discret<br />
sont "séparés" les uns des autres.<br />
Exemples:<br />
N’importe quel ensemble fini<br />
N<br />
Z<br />
Un ensemble qui n’est pas discret est continu.<br />
Exemples:<br />
A. Caboussat, HEG STAT <strong>II</strong>, 2011 14 / 29
Probabilités Exercices Lois de probabilités discrètes<br />
Ensembles discrets ↔ ensembles continus<br />
Intuitivement, on peut dire que les éléments d’un ensemble discret<br />
sont "séparés" les uns des autres.<br />
Exemples:<br />
N’importe quel ensemble fini<br />
N<br />
Z<br />
Un ensemble qui n’est pas discret est continu.<br />
Exemples:<br />
R<br />
N’importe quel intervalle, comme [0, 1].<br />
A. Caboussat, HEG STAT <strong>II</strong>, 2011 14 / 29
Probabilités Exercices Lois de probabilités discrètes<br />
Variable aléatoire discrète<br />
L’ensemble de toutes les modalités que peut prendre la variable X<br />
se note X . Une variable aléatoire est discrète si l’ensemble X est<br />
discret.<br />
Exemples: La variable aléatoire X<br />
est discrète si X = {0, 1}<br />
est discrète si X = N<br />
n’est pas discrète si X = [0, 5]<br />
A. Caboussat, HEG STAT <strong>II</strong>, 2011 15 / 29
Probabilités Exercices Lois de probabilités discrètes<br />
Distribution de probabilité d’une variable aléatoire<br />
La distribution de probabilité d’une variable aléatoire X est<br />
l’ensemble des probabilités associées à chacune des modalités de la<br />
variable:<br />
{P(X = x)}, pour x ∈ X<br />
A. Caboussat, HEG STAT <strong>II</strong>, 2011 16 / 29
Probabilités Exercices Lois de probabilités discrètes<br />
Distribution de probabilité d’une variable aléatoire<br />
La distribution de probabilité d’une variable aléatoire X est<br />
l’ensemble des probabilités associées à chacune des modalités de la<br />
variable:<br />
{P(X = x)}, pour x ∈ X<br />
Remarque: on note généralement cette distribution par p(x):<br />
p(x) = P(X = x)<br />
A. Caboussat, HEG STAT <strong>II</strong>, 2011 16 / 29
Probabilités Exercices Lois de probabilités discrètes<br />
Distribution de probabilité d’une variable aléatoire<br />
La distribution de probabilité d’une variable aléatoire X est<br />
l’ensemble des probabilités associées à chacune des modalités de la<br />
variable:<br />
{P(X = x)}, pour x ∈ X<br />
Remarque: on note généralement cette distribution par p(x):<br />
p(x) = P(X = x)<br />
Les probabilités ont les propriétés suivantes:<br />
0 ≤ p(x) ≤ 1 et <br />
p(x) = 1.<br />
x∈X<br />
A. Caboussat, HEG STAT <strong>II</strong>, 2011 16 / 29
Probabilités Exercices Lois de probabilités discrètes<br />
Distribution de probabilité d’une variable aléatoire<br />
La distribution de probabilité d’une variable aléatoire X est<br />
l’ensemble des probabilités associées à chacune des modalités de la<br />
variable:<br />
{P(X = x)}, pour x ∈ X<br />
Remarque: on note généralement cette distribution par p(x):<br />
p(x) = P(X = x)<br />
Les probabilités ont les propriétés suivantes:<br />
0 ≤ p(x) ≤ 1 et <br />
p(x) = 1.<br />
x∈X<br />
Si les individus composant la population ont tous la même<br />
probabilité d’être choisis, alors p(x) est la fréquence<br />
relative de la modalité x dans la population.<br />
A. Caboussat, HEG STAT <strong>II</strong>, 2011 16 / 29
Probabilités Exercices Lois de probabilités discrètes<br />
Notations<br />
Attention à ne pas confondre les notations:<br />
X : variable aléatoire<br />
x: une des modalités que peut prendre X<br />
X : ensemble de toutes les modalités que peut prendre X<br />
P(X = x): probabilité que le variable X prenne la valeur x<br />
p(x): raccourci pour P(X = x)<br />
A. Caboussat, HEG STAT <strong>II</strong>, 2011 17 / 29
Probabilités Exercices Lois de probabilités discrètes<br />
Distribution de probabilité d’une variable aléatoire<br />
Exemples:<br />
Dé à 6 faces:<br />
A. Caboussat, HEG STAT <strong>II</strong>, 2011 18 / 29
Probabilités Exercices Lois de probabilités discrètes<br />
Distribution de probabilité d’une variable aléatoire<br />
Exemples:<br />
Dé à 6 faces:<br />
x 1 2 3 4 5 6<br />
p(x) 1<br />
6<br />
1<br />
6<br />
1<br />
6<br />
A. Caboussat, HEG STAT <strong>II</strong>, 2011 18 / 29<br />
1<br />
6<br />
1<br />
6<br />
1<br />
6
Probabilités Exercices Lois de probabilités discrètes<br />
Distribution de probabilité d’une variable aléatoire<br />
Exemples:<br />
Dé à 6 faces:<br />
Couleur des yeux:<br />
x 1 2 3 4 5 6<br />
p(x) 1<br />
6<br />
1<br />
6<br />
1<br />
6<br />
A. Caboussat, HEG STAT <strong>II</strong>, 2011 18 / 29<br />
1<br />
6<br />
1<br />
6<br />
1<br />
6
Probabilités Exercices Lois de probabilités discrètes<br />
Distribution de probabilité d’une variable aléatoire<br />
Exemples:<br />
Dé à 6 faces:<br />
Couleur des yeux:<br />
x 1 2 3 4 5 6<br />
p(x) 1<br />
6<br />
1<br />
6<br />
1<br />
6<br />
1<br />
6<br />
1<br />
6<br />
1<br />
6<br />
x bleus bruns verts autres<br />
p(x) 0.3 0.4 0.2 0.1<br />
A. Caboussat, HEG STAT <strong>II</strong>, 2011 18 / 29
Probabilités Exercices Lois de probabilités discrètes<br />
Distribution de probabilité d’une variable aléatoire<br />
Exemples:<br />
Dé à 6 faces:<br />
Couleur des yeux:<br />
x 1 2 3 4 5 6<br />
p(x) 1<br />
6<br />
1<br />
6<br />
1<br />
6<br />
1<br />
6<br />
1<br />
6<br />
1<br />
6<br />
x bleus bruns verts autres<br />
p(x) 0.3 0.4 0.2 0.1<br />
Dans certains cas, il existe une forme analytique de la distribution<br />
de probabilité.<br />
Exemple: Loi de Poisson: P(X = x) = e−λ λ x<br />
x!<br />
A. Caboussat, HEG STAT <strong>II</strong>, 2011 18 / 29
Probabilités Exercices Lois de probabilités discrètes<br />
Indépendance de variables aléatoires discrètes<br />
Deux variables aléatoires discrètes X et Y , de distributions px et<br />
py , sont indépendantes si pour toute paire de nombres a, b, on a<br />
P(”X = a” ∩ ”Y = b”) = px(a) · py (b).<br />
A. Caboussat, HEG STAT <strong>II</strong>, 2011 19 / 29
Probabilités Exercices Lois de probabilités discrètes<br />
Indépendance de variables aléatoires discrètes<br />
Deux variables aléatoires discrètes X et Y , de distributions px et<br />
py , sont indépendantes si pour toute paire de nombres a, b, on a<br />
P(”X = a” ∩ ”Y = b”) = px(a) · py (b).<br />
Exemple:<br />
Dans l’exemple des nombres d’enfants et de voitures dans 6<br />
ménages, les variables X ="nombre d’enfants" et Y ="nombre de<br />
voitures" ne sont pas indépendantes.<br />
ménage # enfants # voitures<br />
m1 1 0<br />
m2 1 2<br />
m3 1 1<br />
m4 2 1<br />
m5 2 1<br />
m6 2 0<br />
A. Caboussat, HEG STAT <strong>II</strong>, 2011 19 / 29
Probabilités Exercices Lois de probabilités discrètes<br />
Indépendance de variables aléatoires discrètes<br />
Deux variables aléatoires discrètes X et Y , de distributions px et<br />
py , sont indépendantes si pour toute paire de nombres a, b, on a<br />
P(”X = a” ∩ ”Y = b”) = px(a) · py (b).<br />
Exemple:<br />
Dans l’exemple des nombres d’enfants et de voitures dans 6<br />
ménages, les variables X ="nombre d’enfants" et Y ="nombre de<br />
voitures" ne sont pas indépendantes.<br />
ménage # enfants # voitures<br />
m1 1 0<br />
m2 1 2<br />
m3 1 1<br />
m4 2 1<br />
m5 2 1<br />
m6 2 0<br />
On a vu que P(”X = 2” ∩ ”Y = 1”) = 1,<br />
tandis que<br />
px(2) · py (1) = 1<br />
2<br />
· 1<br />
2<br />
= 1<br />
4 .<br />
A. Caboussat, HEG STAT <strong>II</strong>, 2011 19 / 29<br />
3
Probabilités Exercices Lois de probabilités discrètes<br />
Fonction de répartition<br />
Dans le cas de variables discrètes, nous définissons la fonction de<br />
répartition comme<br />
F (x) = P(X ≤ x) = <br />
p(z), pour x ∈ X<br />
z∈X ,z≤x<br />
A. Caboussat, HEG STAT <strong>II</strong>, 2011 20 / 29
Probabilités Exercices Lois de probabilités discrètes<br />
Fonction de répartition<br />
Dans le cas de variables discrètes, nous définissons la fonction de<br />
répartition comme<br />
F (x) = P(X ≤ x) = <br />
p(z), pour x ∈ X<br />
Dé à 6 faces:<br />
z∈X ,z≤x<br />
A. Caboussat, HEG STAT <strong>II</strong>, 2011 20 / 29
Probabilités Exercices Lois de probabilités discrètes<br />
Fonction de répartition<br />
Dans le cas de variables discrètes, nous définissons la fonction de<br />
répartition comme<br />
F (x) = P(X ≤ x) = <br />
p(z), pour x ∈ X<br />
Dé à 6 faces:<br />
z∈X ,z≤x<br />
x 1 2 3 4 5 6<br />
F (x) 1<br />
6<br />
2<br />
6<br />
3<br />
6<br />
4<br />
6<br />
5<br />
6 1<br />
A. Caboussat, HEG STAT <strong>II</strong>, 2011 20 / 29
Probabilités Exercices Lois de probabilités discrètes<br />
Fonction de répartition<br />
Dans le cas de variables discrètes, nous définissons la fonction de<br />
répartition comme<br />
F (x) = P(X ≤ x) = <br />
p(z), pour x ∈ X<br />
Dé à 6 faces:<br />
z∈X ,z≤x<br />
x 1 2 3 4 5 6<br />
F (x) 1<br />
6<br />
Remarque: Attention à ne pas confondre:<br />
2<br />
6<br />
3<br />
6<br />
4<br />
6<br />
5<br />
6 1<br />
distribution de probabilité: p(x) = P(X = x) pour x ∈ X<br />
fonction de répartition: F (x) = P(X ≤ x) pour x ∈ X<br />
A. Caboussat, HEG STAT <strong>II</strong>, 2011 20 / 29
Probabilités Exercices Lois de probabilités discrètes<br />
Espérance d’une variable aléatoire<br />
Espérance mathématique de X<br />
L’espérance mathématique d’une variable aléatoire X , notée<br />
E(X ), est la valeur moyenne que l’on devrait obtenir si l’on observait<br />
un grand nombre de fois X . Elle correspond à la moyenne<br />
de X dans la population.<br />
L’espérance mathématique est définie comme une moyenne<br />
pondérée des modalités possibles de X :<br />
E(X ) = <br />
p(x) x<br />
x∈X<br />
On note µX l’espérance de X dans la population.<br />
A. Caboussat, HEG STAT <strong>II</strong>, 2011 21 / 29
Probabilités Exercices Lois de probabilités discrètes<br />
Espérance d’une variable aléatoire<br />
Exemple: Prix des quotidiens:<br />
x 2 FS 2.50 FS 3 FS<br />
P(X = x) 0.1 0.5 0.4<br />
A. Caboussat, HEG STAT <strong>II</strong>, 2011 22 / 29
Probabilités Exercices Lois de probabilités discrètes<br />
Espérance d’une variable aléatoire<br />
Exemple: Prix des quotidiens:<br />
x 2 FS 2.50 FS 3 FS<br />
P(X = x) 0.1 0.5 0.4<br />
µX = 0.1 · 2 + 0.5 · 2.5 + 0.4 · 3 = 2.65<br />
A. Caboussat, HEG STAT <strong>II</strong>, 2011 22 / 29
Probabilités Exercices Lois de probabilités discrètes<br />
Espérance d’une variable aléatoire<br />
L’espérance n’étant autre que la moyenne, elle possède également<br />
la propriété de linéarité.<br />
A. Caboussat, HEG STAT <strong>II</strong>, 2011 23 / 29
Probabilités Exercices Lois de probabilités discrètes<br />
Espérance d’une variable aléatoire<br />
L’espérance n’étant autre que la moyenne, elle possède également<br />
la propriété de linéarité.<br />
E(X + Y ) = E(X ) + E(Y )<br />
A. Caboussat, HEG STAT <strong>II</strong>, 2011 23 / 29
Probabilités Exercices Lois de probabilités discrètes<br />
Espérance d’une variable aléatoire<br />
L’espérance n’étant autre que la moyenne, elle possède également<br />
la propriété de linéarité.<br />
E(X + Y ) = E(X ) + E(Y )<br />
E(a · X ) = a · E(X ), où a est une constante (pas une variable<br />
aléatoire)<br />
A. Caboussat, HEG STAT <strong>II</strong>, 2011 23 / 29
Probabilités Exercices Lois de probabilités discrètes<br />
Espérance d’une variable aléatoire<br />
L’espérance n’étant autre que la moyenne, elle possède également<br />
la propriété de linéarité.<br />
E(X + Y ) = E(X ) + E(Y )<br />
E(a · X ) = a · E(X ), où a est une constante (pas une variable<br />
aléatoire)<br />
On peut bien sûr combiner:<br />
E(a · X + b · Y ) = a · E(X ) + b · E(Y ), où a et b sont des<br />
constantes<br />
A. Caboussat, HEG STAT <strong>II</strong>, 2011 23 / 29
Probabilités Exercices Lois de probabilités discrètes<br />
Espérance d’une variable aléatoire<br />
L’espérance n’étant autre que la moyenne, elle possède également<br />
la propriété de linéarité.<br />
E(X + Y ) = E(X ) + E(Y )<br />
E(a · X ) = a · E(X ), où a est une constante (pas une variable<br />
aléatoire)<br />
On peut bien sûr combiner:<br />
E(a · X + b · Y ) = a · E(X ) + b · E(Y ), où a et b sont des<br />
constantes<br />
Si X et Y sont deux variables aléatoires indépendantes, on a<br />
E(X · Y ) = E(X ) · E(Y )<br />
A. Caboussat, HEG STAT <strong>II</strong>, 2011 23 / 29
Probabilités Exercices Lois de probabilités discrètes<br />
Variance d’une variable aléatoire<br />
Variance de X<br />
La variance d’une variable aléatoire X est définie comme<br />
l’espérance du carré de l’écart entre X et son espérance:<br />
Var(X ) = E (X − E(X )) 2<br />
On note σ 2 X<br />
= <br />
p(x) (x − µ) 2<br />
x∈X<br />
= <br />
x∈X<br />
p(x) x 2 − µ 2<br />
la variance de X dans la population.<br />
L’écart-type σX de X est la racine carrée de la variance.<br />
A. Caboussat, HEG STAT <strong>II</strong>, 2011 24 / 29
Probabilités Exercices Lois de probabilités discrètes<br />
Variance d’une variable aléatoire<br />
Prix des quotidiens:<br />
x 2 FS 2.50 FS 3 FS<br />
P(X = x) 0.1 0.5 0.4<br />
A. Caboussat, HEG STAT <strong>II</strong>, 2011 25 / 29
Probabilités Exercices Lois de probabilités discrètes<br />
Variance d’une variable aléatoire<br />
Prix des quotidiens:<br />
x 2 FS 2.50 FS 3 FS<br />
P(X = x) 0.1 0.5 0.4<br />
µX = 0.1 · 2 + 0.5 · 2.5 + 0.4 · 3 = 2.65<br />
σ 2 X = 0.1 · (2 − 2.65)2 + 0.5 · (2.5 − 2.65) 2 + 0.4 · (3 − 2.65) 2<br />
= 0.1025<br />
σX = √ 0.1025 = 0.3202<br />
A. Caboussat, HEG STAT <strong>II</strong>, 2011 25 / 29